带参数聚合算子的模糊联想记忆网络
李鹰1
徐蔚鸿2
唐良荣1
1.长沙理工大学计算机与通信工程学院,湖南长沙,4100762.长沙理工大学计算机与通信工程学院,湖南长沙,410076;吉首大学数学与计算科学学院,湖南吉首,416000
摘要：基于最大运算Max和t-范数T的神经网络模型Max-T FAM是B.Kosko提出的经典模糊联想记忆(FAM)网络的一种重要的广义形式,其性能有多处不足.本文利用一种参数化聚合算子vλ,提出了一种计算简单、易于硬件实现的广义模糊联想记忆(GFAM)网络,其连接算子从{Vλ|λ∈[0,1]}中选取;从理论上严格证明TGFAM具有一致连续性,比所有Max-T FAM的映射能力和存储能力强很多;接着运用模糊关系方程理论提出和分析了GFAM的一种所谓的Max-Min-λ学习算法;最后用实验对GFAM和Max-T FAM的完整可靠存储能力进行了比较,并示例了GFAM在图像联想方面的应用.
关键词：模糊神经网络模糊联想记忆学习算法t-范数模糊关系方程
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(6003302)教育部重点科研项目(208098)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1518-1524 )
英文信息